數證共生模式下人機課堂效率提升路徑研究

摘要：教育數字化進程中，人機協同課堂成為常態化應用并衍生出多種智能樣態。該文基于“數據原型+證據鏈條”的共生模式，設計“教師-學生-機器”3維教學效率影響因素集，并投放在實證環境中檢驗，通過樣本數據中甄別的關鍵路徑，凝練提出效率提升建議，為不同學科不同地域的人機課堂教學設計和智能硬軟件選型提供借鑒。

關鍵詞：數證共生；人機協同；課堂效率

中圖分類號：G434 文獻標識碼：A

本文受國家自然科學基金面上項目“基于領域適應算法的人機協作學習能力泛化關鍵技術研究”（項目批準號：62277002）資助。

一、人機協同課堂的主要形態與優劣勢

教育數字化進程中，人機一體化已成為一種新的范式[1]。在政策層面，全球各國以人工智能技術為契機，密集出臺多部政策規劃，推動人機協同共生加速發展。2021年，聯合國教科文組織出版的《AI and Education： Guidance for Policy-makers》為各國政策制定者了解人工智能與教育之間的關系進行介紹和解讀，旨在促進教育高質量發展[2]。2023年，為規范人工智能技術的健康發展和規范應用，我國首次出臺關于生成式AI的《生成式人工智能服務管理暫行辦法》、聯合國教科文組織發布的《Guidance for Generative AI in Education and Research》，從生成內容、政策法規、知識產權和數字鴻溝算法設計等方面提出要求，為促進科技向善提供支撐。同年，美國發布《Artificial Intelligence and the Future of Teaching and Learning》，強調既要運用自動化技術促進教育改革，也要保護人的能動性。近日，英國針對生成式人工智能在教育領域的應用也進行了規范和說明。可見，各國高度重視智能技術在教育場景中的深度應用，積極提供監管保障體系，推動教育人工智能從“支持智能”“增強智能”到“人機協同智能”的不斷升級[3]，學習者與機器的關系逐漸走向協同共生。

在技術和素養發展方面，教師數字化素養在中國已經建立起行業標準體系，學生數字化素養在大規模測評階段。以AI為代表的智能技術體系也不斷在語言大模型、文生圖等擴散模型中走向實踐，多模態智能、具身智能和類腦智能正在引領技術發展的創新方向。

在政策、技術、師生素養的共同發展促進下，人機協同課堂從傳統的多媒體形態升級到以AI為代表的智能形態。根據人與AI智能設備協同過程中扮演的角色分工，人機協同課堂分為三類：（1）以人為主導的協同課堂。即人類在課堂中發揮著主體的作用，AI作為助手負責協助完成一些常規性的工作。例如智慧體育-AI運動小站，學生作為運動者，可通過自主選擇運動項目和時長來完成運動打卡。與此同時，智能攝像頭、智能運動手環、智能鞋墊等設備，綜合計算機視覺技術、人體姿態識別、手勢識別等技術，能夠實時完成計次、記距、計時等成績的測量工作，AI設備作為輔助教學工具，極大地提升成績采集的效率、增加運動的交互性和趣味性，促進人機體育課堂效率。（2）人與AI合作的協同課堂。即人與AI互為伙伴、不分主輔，AI能夠給人提供實時反饋和指導，人通過創造過程性數據豐富AI數據池，學習者的認知鏈和機器的分析鏈相互促進，高效完成任務。基于云平臺的智慧課堂是典型代表。智能教學平臺發揮以下功能：根據歷史數據為師生提供個性化資源智能推薦；完成作業批改、語言學科評測等重復性工作；通過MTM機器通信實現多輸入輸出的實時統計，提升協同效率。而教師和學生根據教學目標設計，生成過程性數據資源，供平臺迭代優化，實現共育成長。（3）以AI為主導的協同課堂。即AI在教學中發揮著關鍵作用，而人起到配合支撐的作用。例如，通過MR等技術創設生動的環境，展現更具體驗性和沉浸感的內容，幫助學生加深理解、增多模擬實操。在醫學、海洋工程、特殊溫濕度條件等教學單元中，既能夠滿足學習需求，也可以節省教育成本。本文對三種類型課堂優劣勢進行對比，結果如下頁表1所示。

調研發現，人機課堂在校園教學中的比例不斷攀高，但一線師生及智能設備提供商缺乏精準教學設計指導和設備選型契合度規劃[4]。教師端待研究的內容包括-對不同的教學內容需否實施人機教學、學生認知發展特點與3種人機課堂之間如何匹配、過程性數據中哪些是關鍵必須記錄點等[5]。學生端待研究的內容包括-如何將培養學生數字素養和避免技術崇拜區隔開來、在參與人機課堂時如何積極有效的反饋真實學習效果等。機器端待研究的內容包括-硬件設備版本型號與軟件能力之間如何融合、chat/diffusion model/MTM等不同的智能技術如何服務于人機課堂的課前課中課后環節等[6]。

著眼當下，為探索形成科學、可推廣的人-機協同機制，需要扎根于真實教學情境，在元數據及其形成的效果證據的支持下，從過程性教學數據中篩選出價值要素，提煉課堂高效率的關鍵形成路徑并泛化出可借鑒機制。為此，本文采用“數據+循證”的模式，在3種人機課堂對應的實踐場景中挖掘影響因素和路徑鏈條，以期揭示人機課堂效率的內生機制。

二、“數據+循證”模式的架構設計

數據的價值是其所有可能用途的總和[7]。人機協同課程場景中自變量類的元數據包括學習行為數據、學習結果數據、教師備課行為數據等，中間變量類的元數據包括學生學習、師生互動、教師授課、作業管理等，因變量類的元數據包括解釋力、診斷力、預測力、決策力與監督力等[8]。

循證研究，本質是“基于證據的實踐”，旨在基于可信證據開展實踐活動，為解決問題提供科學框架和根本遵循[9]。以還原真實場景為基礎實驗環境，大量收集過程性和結果性學習數據，既包括主觀感知材料，也有客觀事實數據，以檢驗不同類型數據之間存在的潛在關系，多次迭代分析找到影響學生認知發展的“證據鏈條”，讓學習結果變得“有跡可循”，反饋不同課堂的教學效果，反向指導課前決策、課中診斷和課后延伸，讓教學活動更具針對性和個性化，為探索復雜場景下人機協同學習規律提供路徑支撐，為提升人機協同學習課堂效率提供關鍵著力點。

對于人機協同課堂而言，數據是重要資產，循證研究是關鍵手段，課堂效率提升是最終目的。圍繞數據與循證研究彼此促進、互相融合的思路開展工作，本文設計了“數據+循證”人機課堂效率分析架構，為發揮“數據驅動決策”價值提供邏輯架構，推動解決人機課堂數量越來越多、質量難以精準評估的問題，為智能時代的教學質量提供研究保障。“數據+循證”人機課堂效率分析架構如圖1所示。

“數據+循證”人機課堂效率分析架構從教師、學生、機器三個主體入手，分析“課前-課中-課后”不同學習環節的數據要素，挖掘影響課堂學習效率的證據鏈條，圍繞“目標設定-數據采集-數據分析-應用反饋”的循證邏輯開展實驗探究。

數據部分的工作在課前-課中-課后過程性完成。

1.課前環節。以教師提前布置平臺預習作業為主，學生自主展開知識收集和預習工作，這個過程中，教師的已有教學經驗積累和靈活運用平臺功能的能力、學生的年齡和內在學習驅動力、網絡環境以及機器的易用性都會直接影響課前預習效果。

2.課中環節。主要通過課程講授、學習互動等方式完成知識學習，因此，教師的教學設計效果、學生的課堂自我管理、課堂表現和平臺的交互便捷程度均會對知識的記憶和理解起到重要影響作用。

3.課后環節。完成對課程學習內容的總結與評價，教師的及時支持以及學生的作業完成情況都會直接影響學生綜合表現的衡量。通過對課前、課中、課后數據進行分析，形成動態數據標簽，匯聚形成反映學習效率的“證據鏈”，將學生的認知發展水平明晰化，實現德智體美勞全面發展。

循證部分的工作由目標設定、數據采集、數據分析、應用反饋四個步驟構成證據鏈條。

1.目標設定環節。以提升人機協同課堂效率為根本目標，結合相關理論和教學情境，提出人機協同影響因素和路徑假設，為后續研究開展奠定基礎。

2.數據采集環節。以教師、學生、機器三主體為研究對象，展開數據要素的收集工作，如學生表現數據、互動行為、學習軌跡等，可通過在線平臺、傳感器技術、學習管理系統等多種途徑獲得。

3.數據分析環節。基于已采集的數據樣本，借助多種統計分析方法，挖掘數據之間的關系，揭示潛在的模式、關聯和趨勢。

4.應用反饋環節。總結形成“教師-學生-機器”3維教學效率影響因素中對最終學生認知發展有關鍵作用的因素鏈條，構成證據鏈基礎。

三、基于數證共生的人機協同課堂效率影響因素識別模型

在“數據+循證”人機課堂效率分析架構的概念模型基礎上，更核心的研究是形成量化模型，包括因素假設、量化設計和路徑甄別三項工作。

我國已有的研究中認為機器的硬件、網絡情況、課程資源質量等會影響學生的在線學習意愿[10]。隨著人機課堂規模的攀升和技術成熟度的提高，觀測學習者的視覺、聽覺、觸覺、嗅覺等感官系統與學習空間/環境的交互等多重數據正在成為新的熱點。國際上，Volery和 Lord發現機器特點、教師特征和學生特征在移動學習中發揮著重要作用，并且機器的易于訪問程度、界面設計和交互水平是影響電子學習關鍵因素[11]。

通過對國內外已有研究進行梳理、借助技術手段提煉多場景數據要素，本文從教師、學生、機器三個層面匯集人機協同課堂效率的影響因素集，具體如表2所示。本文的因素數據分為主觀和客觀兩種來源。主觀數據是學習者對課堂的主觀反映，能夠直接表達學習者的感受，通過問卷量表的方式測評；客觀數據是對教學過程的真實記錄，主要通過平臺表單字段提取分析。

協同理論、技術接受度模型、動機/意志和績效理論的共識已經指出，人機課堂是一個復雜系統，涉及到人-機等多元要素的交互和變化，學習過程可分為外部輸入—心理環境—系統輸出三個層面[12]，其中，外部輸入是指社會失范、文化影響、物質環境、工具、材料等外在的因素，直接對內部心理產生影響。心理環境是指師生互動中動機和意志變化過程，解釋了如何從行動控制到意向實施以及自主管理的過程，是學習者自身對學習過程進行管理和調節的過程。系統輸出經歷各個階段的準備后，學習者在行為、態度、情緒等方面的變化，是作用的結果。

在因素提煉和經典理論的基礎上，本研究設計出“人機協同課堂效率影響因素識別模型”，如下頁圖2所示，為探索“數證共生”的課堂效率路徑鏈和教育治理提供科學決策支撐。

四、基于數證共生的人機協同課堂實踐

完成了因素假設和量化模型設計之后，在教學場景中進行路徑甄別的實證是重點工作。

本文理論環節表1提出的3種人機協同課堂中，因人工智能教育應用的成熟度尚未推進到“以AI為主導的協同課堂”常態化應用的階段，實證環節主要選取前2種“以人為主導的協同課堂”和“人與AI合作的協同課堂”進行數據采集和實證分析。其中：“以人為主導的協同課堂”課前選擇教師數字素養達標的科目，在教學設計中標注需學生互動參與的環節以及需智能設備軟硬件調用的時間點和呈現方式，課后教師為學生提供自主支持、認知支持、情感支持等，結合師-機-生的基礎信息數據和課堂學習效果進行影響關系分析。“人與AI合作的協同課堂”中對智能設備軟硬件的要求更高，課前需選擇對相應設備型號和軟件操作熟練的師生群體及對應科目課堂，課中需提供有沉浸感和高互動體驗的學習環境并及時記錄學生過程性表現如互動頻次、專注度等，課后通過機器端-資源實用性、平臺易用性、交互便捷性的師生感知收集，結合學生持續學習興趣等效果分析，從而深度提煉關鍵路徑所在。

本文選取深圳市某初中為試點學校，采集初二、三年級254位學生一學期的英語（以人為主導的協同課堂）、數學（人與AI合作的協同課堂）兩門人機課堂為實踐場景。自變量包括學習動機、教師支持、課堂表現、作業情況等8個主客觀字段；因變量由學習滿意度和綜合表現2部分來量化課堂效率，結合中間變量的影響作用等對樣本數據進行清洗和歸類，結果發現從相關分析和路徑提取上顯現出價值信息：

1.相關分析

采用雙變量相關分析探究各個因素和學習滿意度之間的關聯性，發現學習動機、教師支持、同伴支持、教學設計、自我調節學習能力、平臺因素（交互便捷性、平臺易用性、資源實用性）與學習滿意度之間均存在顯著的正相關關系（如表3所示），其余變量之間的關系不顯著。其中，教學設計與學習滿意度的相關性最強，相關系數為0.898。根據相關系數對其余變量從高到低排序依次為：教師支持、同伴支持、自我調節學習能力、平臺因素和學習動機。

由此可知，教師因素、學生因素以及平臺因素均會影響學習滿意度，其中教師的教學設計和及時支持服務發揮著重要作用；在小組合作過程中，同伴之間的相互鼓勵也能促進學生獲得更高的學習滿意度；學生自身對課堂的管理能力和學習動機越強、平臺的使用體驗感越好，則學習滿意度會越高。

同時，分析綜合表現（根據課堂行為、德育表現、額外獎勵加分等評定）與各個變量之間的關系得出，課堂表現、作業情況與綜合表現顯著相關（如表4所示），表明課堂表現、作業情況作為過程性指標，是預測學習效果的重要構成。

結合數據分析和訪談結果，從兩類課堂的對比差異上看，以人為主導的協同課堂中“學習動機、教學設計”的影響作用更加顯著；人與AI合作的協同課堂中“自我調節學習能力、交互便捷性”的影響作用更加顯著。

2.路徑提取

分析多個觀測變量的因子載荷計算出相應的組合信度CR和平均方差提取值AVE，其中CR和AVE均大于 0.8，說明模型的內部一致性和信度較好，經過多次模型修正和探索，提取出“教學設計-自我調節學習能力-學習滿意度”和“平臺因素-自我調節學習能力-學習滿意度”2條關鍵影響路徑，AGFI為0.9，RMSEA 小于0.1，表示擬合較好，所以接受最終模型（如圖3所示）。

根據圖3中結果可知，“以人為主導的協同課堂”中自我調節學習能力在教學設計與學習滿意度之間起到顯著中間作用，即教師的教學設計通過影響學生的自我調節學習能力，進而對學習滿意度產生作用；另一方面，“人與AI合作的協同課堂”中自我調節學習能力在平臺因素和學習滿意度之間也起到顯著中間作用，平臺不僅能夠直接影響學習滿意度，還可以通過影響學生的自我調節學習能力，間接作用于學習滿意度。

五、人機協同課堂效率提升路徑建議

教育數字化進程推進兩年來，數據正在不斷深度融入多個教學環節，在精準化學情分析、個性化路徑推薦、精細化教學管理、智能化決策建議等方面發揮著突出優勢，本文通過3種人機課堂的理論設計、選取其中2種人機課堂進行樣本學科實證的研究基礎，提出面向教師、設備開發商和教育主管機構3類主體的建議如下。

于教師而言，重視課堂數據分析、促進“教學、教研、育人”變得更加智慧。在教學方面，教學設計方案是影響課堂教學效果的關鍵，根據學生課堂表現情況，借助數字化手段，反向指導教師基于學情數據和數字化教學資源，設計滿足學生需求的教學內容，保證課堂達到環環相扣、一氣呵成的效果。不僅如此，教師還能夠通過平臺數據把握學生的易錯點、興趣、注意力等多維信息，實施優化教學活動和指導。在教研方面，依托視頻分析技術、關鍵詞抓取技術等，對教師課堂行為進行可視化評價，發現課堂教學方面存在的亮點和問題，引導教師進行深度的教學案例研究，打造示范性樣板課堂[13]。在育人方面，數據資源的共通共享讓家校社協同育人成為可能。集成平臺面向學校、家庭和社會開放，各主體可以結合學生的學習數據，開展個性化的指導教學，真正促進學生全面發展。此外，教師在使用數據做決策的過程中，也是逐漸提升數字素養的過程，提升運用數字信息和資源解決教育問題的能力。

于設備開發者而言，重視認知導向下的產品研發升級，讓機器智能更加貼合教育數字化進程。機器分析課堂數據不是簡單的商業過程，可以通過學習機制從大量數據中學習知識和經驗，不斷迭代優化反饋機制。例如GPT模型通過學習大量的互聯網文本數據，如維基百科、新聞文章、圖書等，將專業領域語料庫應用于自然語言處理任務中去支撐教學子項任務的實現。通過課堂數據分析，機器可以從學生的學習成績、作業完成情況、課堂參與度等數據中獲取信息，不斷豐富自身數據庫，優化路徑推薦機制，提升個性化學習支持度。課堂數據分析可以使機器不斷學習和成長，從而提高其智能水平和性能，并將所學知識和經驗應用于實際的教育環境中，這種學習機制為機器在教育領域的發展和創新提供了巨大的潛力[14]。

于教育主管機構而言，人機課堂的全周期發展與治理提上日程。教育數字化是我國開辟教育發展新賽道和塑造教育發展新優勢的重要突破口。人機課堂是教學一線數字化的重要載體，從發展層面說具備提升教學效率的巨大空間，從治理層面說要防范教師技術濫用學生技術崇拜導致的偏離學科教學目標的問題產生[15]。因此，從教育行政機構和校園兩級，對人機課堂的發展促進機制和治理手段要同步跟進，本文提出的“課前-課中-課后”圍繞“目標設定、數據采集、數據分析、應用反饋”四個步驟的樣本級研究可提供相應參考。

六、研究展望

為提升智能時代人機協同課堂學習效率，本文梳理了3種人機協同學習課堂模式，分析了3類主體在人機協同學習過程中扮演的角色，并提出“數據+循證”分析架構，探索人機協同學習高質量發展的路徑。同時，針對教師、設備開發商和教育主管機構3類主體提出分類協同推進的管理建議。

在本文研究的基礎上，未來研究將循著如下3個方向推進：

1.繼續推進對“以AI為主導的協同課堂”的關鍵影響因素和路徑的實證探究。本文從理論角度梳理了3類人機課堂，在實證環節對前2種“以人為主導的協同課堂”“人與AI合作的協同課堂”進行了學科課堂映射和數據分析，后續將持續推進對“以AI為主導的協同課堂”的元數據分析及對促進認知發展的關鍵證據路徑的提取，切實推動人機課堂理論研究與實踐教學的支撐和引領作用。

2.深度挖掘“數據”與“證據”之間的價值關聯。本文從英語、數學兩個學科對應的兩類人機課堂中的影響因素原始數據，觀測了對學生智育和課堂表達、小組協作等方面能力培養的關聯度，形成初步的元數據-證據鏈，但充實度還有待加強。后續將加大對影響因素的全面收集，拓寬對認知發展中五育等全面人格發展證據的關聯性分析，促進人機課堂對育人的更大作用發揮。

3.推進研究成果向更大區域和更多學科覆蓋轉化。本文的實證環境選取了智能人機課堂開展情況較為先進的深圳區域，后續將加大項目支持下的研究成果向更多智慧教育示范區、教育數字化相對薄弱區的更多有需求的學科課堂覆蓋。

參考文獻：

[1] Mueller F F，Lopes P，et al.Next steps for human-computer integration [C]. Hawaii：Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems，2020.1-15.

[2] Miao F，Holmes W，et al.AI and education： A guidance for policymakers [M]. Paris：UNESCO，2021.

[3] 祝智庭，韓中美，黃昌勤.教育人工智能（eAI）：人本人工智能的新范式[J].電化教育研究，2021，42（1）：5-15.

[4] 陳星，吳葉林.人機協同教育治理的障礙與突破[J].現代遠程教育研究，2022，34（1）：40-47.

[5] 劉釗，胡凡剛.體悟生命的意義：人機聯袂的底層邏輯與教育路向[J].中國電化教育，2022，（11）：1-9.

[6] 周建華，陳鳳菊，李政.我國高校在線教學成效如何？——基于對21萬本科生的調查[J].開放教育研究，2022，28（4）：74-84.

[7] 楊現民，吳貴芬，李新.教育數字化轉型中數據要素的價值發揮與管理[J].現代教育技術，2022，32（8）：5-13.

[8] 宋乃慶，鄭智勇，周圓林翰.新時代基礎教育評價改革的大數據賦能與路向[J].中國電化教育，2021，（2）：1-7.

[9] 徐文彬，彭亮.循證教育的方法論考察[J].教育研究與實驗，2014，（4）：10-14.

[10] 王超，顧小清.OMO教學的推進：以中小學生在線學習參與意愿為切入點突破在線教學困境——基于技術接受模型的實證研究[J].現代教育技術，2022，32（2）：72-80.

[11] Volery T，Lord D.Critical success factors in online education [J]. International journal of educational management，2000，14（5）：216-223.

[12] 約翰M·凱勒，孟萬金，張曉光.多媒體環境中動機、意志和成績的整合理論[J].教育研究，2006，（10）：60-67.

[13] 陳小軍.大數據賦能高質量歷史發現教育的研究性學習[J].現代中小學教育，2023，39（10）：33-37.

[14] 童莉莉，張晨等.教育社會實驗：人工智能融入教育的研究新探索[J].中國電化教育，2022，（3）：62-68.

[15] 毛剛，王良輝.人機協同：理解并建構未來教育世界的方式[J].教育發展研究，2021，41（1）：16-24.

作者簡介：

童莉莉：博士，副教授，碩士生導師，互聯網教育智能技術及應用國家工程研究中心副主任，教育部教育信息化戰略研究基地（北京）副主任，研究方向為通信/互聯網共性關鍵技術、數據治理與算法監測、人工智能教育應用、教育社會實驗。

張晨：在讀碩士，研究方向為人工智能條件下教育實驗設計、人機協同教學效率研究和數據智能分析。

Research on Paths to Improve The Efficiency of Human-machine Collaborative Classroom Under the Digital-Evidence Symbiosis Model

Tong Lili， Zhang Chen， Gai Yuhan， Zheng Ruihang

Faculty of Education， Beijing Normal University， Beijing 100875

Abstract： In the process of educational digitization， human-machine collaborative classroom has become a normal application and has derived various forms. Based on the symbiosis model of “data prototype + evidence chain”， this article designs a “teacher-student-machine”three-dimensional teaching efficiency influencing factor set， and puts it into an empirical environment for testing. Through the key path chain condensed in the sample data， the suggestions for improving the efficiency of human-machine collaborative classroom are given， which can provide reference for the design of human-machine collaborative classroom in different disciplines and different regions.

Keywords： digital-evidence symbiosis； human-machine collaboration； classroom efficiency

責任編輯：趙云建